第一章:走进数据分析的世界
-
为什么数据分析要用Python
-
其他操作平台不足显而易见:操作繁琐、复用性差、功能相对局限单一。
-
-
如何成为一名数据分析师
-
工具
-
清洗工具:Excel、SQL、python
-
可视化工具:PowerBI,Tableau
-
-
业务
-
如何理解数据?
-
常用地指标有哪些?
-
如何选择指标?
-
-
-
数据分析师必备技能
-
softskill:统计学理论、PPT、沟通能力
-
第二章:数据分析业务分析
-
理解业务指标
-
业务指标==数据指标:对当前业务有参考价值地统计数据
-
指标与维度地区分
-
数据指标体系
-
含义:服务于某个目标的数据指标地合集,场景不同,服务目标不同,指标地对象不同,体系也不一样。
-
作用:
-
监控现状
-
观察指标,判断业务地健康状态,判断内部状况或者用户地粘性
-
-
反映问题
-
拿该流程为例子:通过分析每个步骤地转化率
-
-
提高效率
-
搭建数据指标体系,应该覆盖大部分临时数据分析地需求
-
-
量化标准
-
-
为什么要搭建体系指标
采集数据
数据规划
观察数据
数据监控
分析数据
数据洞察
数据决策
数据驱动
-
-
-
如何选择业务指标通用方法论
-
OSM模型
-
O:业务核心KPI;北极星指标。
-
S:行动策略
-
M:业务衡量指标
-
-
AARRR模型——用户生命周期模型
-
拉新:获取用户阶段需要关注地指标为:日新增用户数(DNU),含义:首次登录或者启动APP 的用户
-
促活:提高活跃度,
-
常见指标:日活跃用户数(DAU);MAU; DAU/MAU(日活与月活的比值)
-
-
留存:
-
付费:也叫做变现、转化、收入;主要包括应用付费、应用内功能付费、广告收入、流量变现等
-
常见指标:
-
付费率(PR或者PUR)——付费用户数占活跃人数的比例.
-
平均每用户收入(ARPU)——在统计时间内,每个用户产生的平均收入(一般以月来记录)
-
-
-
推荐:也叫自传播或者 病毒传播。其中有一个重要的指标K因子
-
-
UJM模型
-
MECE模型:相互独立、完全穷尽——本质:拆解
-
-
四个模型的关系
-
业务分析之闲鱼案例
思考
业务和思维 ----- 是你能否胜任地根本
推荐书籍:金字塔原理
指标地本质是量化,量化地本质是评估
-
不是所有地数据都是指标
-
非凭空产生可以度量的(瞎想的)
维度:评估角度
思考:什么是 用户?
如果出现有大量地临时需求,那证明该指标体系地搭建出现问题
什么是量化标准
采集数据或者观察数据
没有目标;数据不全面;没有价值;没有逻辑
推荐樊登读书案例
每种公司定义的每日概念也不同,需要思考用户属性
此处的活跃人数定义该如何定义
每个业务的定义都有不同
GMV:商品交易总额,在一定时间内成交的总额
提问
在实际的数据分析项目中,如何结合业务知识选择合适的指标?
结合业务知识选择合适的指标首先需要理解业务的目标和流程,然后确定哪些指标能有效衡量这些目标的实现程度和业务流程的效率。比如电商平台可能关注用户购买转化率、平均客单价等指标。理解业务模型和用户行为,以及与业务目标相关的关键性能指标(KPI)是关键。
数据分析师在沟通能力方面,最需要注意什么?如何有效地将分析结果传达给非技术背景的利益相关者?
沟通时,最需要注意的是如何简化复杂的数据分析概念,让非技术背景的人也能理解。这通常包括使用简洁明了的语言、视觉辅助工具如图表和图示,以及关注分析结果的商业影响而不仅仅是数据本身。让收听者明白这些数据如何影响业务决策是关键。
软技能中提到的PPT制作技巧,有哪些是特别针对数据展示的?
在制作针对数据展示的PPT时,重要的是清晰地展示数据趋势、比较和关系,使用图表和图形而非纯文本。合理使用颜色对比和图形大小来强调关键数据点,保持每一页的内容专注和简洁,避免信息过载。确保图表和图形有清晰的标题和标签,让观众即使不听讲解也能理解图表的含义